شبكة عصبية من 2015 تتفوق على GPT-6 وClaude في كشف سرطان الجلد

يقع الورم الميلانيني في أذن مريض. إنه رقيق، لكنه بدأ فعلًا ينمو نحو الأعماق تحت الجلد. عرض طبيب الجلدية ماغنوس لينش صورتين له على أقوى نموذجين للذكاء الاصطناعي متاحين في أكتوبر 2026، هما GPT-6 Astra وClaude Fable 5.1. أجاب النموذجان الجواب نفسه: تقرن دهني (seborrhoeic keratosis)، وهو نتوء ثؤلولي حميد، ويمكن صرف المريض. بعدها ذهبت الصورتان نفسهما إلى شبكة عصبية وصفها مهندسو غوغل عام 2015. فسمّت الشبكة الآفة ورمًا ميلانينيًا.

هذه الحالة ليست استثناءً. ففي اختبار نُشر في 25 أكتوبر 2026 أصابت الشبكة القديمة Inception v3 التشخيص الصحيح في 125 آفة من أصل 200، أي 62%. أما النموذجان الرائدان فلم يتجاوزا 42%. وتدريب الشبكة القديمة على صور الجلد استغرق، بحسب كاتب الاختبار، نحو عشرين دقيقة. لكن الأهم في الاختبار يكمن وراء نسبة الدقة: لكل آلة طريقتها في الخطأ، وهذه الطريقة هي التي تحدد من يُصرف إلى بيته ومعه السرطان. ولم يعد هذا سؤالًا أكاديميًا. ففي استطلاع KFF الذي أُجري بين 24 فبراير و2 مارس 2026 قال 32% من البالغين الأمريكيين إنهم سألوا روبوتات الدردشة عن صحتهم خلال العام الماضي، وصورة خال في محادثة كهذه لم تعد تُدهش أحدًا.

مئتا خال استأصلها أحدهم بالفعل

لينش استشاري أمراض جلدية وجرّاح موس في مستشفى غايز بلندن، ومحاضر فخري في كلية كينغز لندن. يدور بحثه حول سرطان الجلد واستخدام الذكاء الاصطناعي في طب الجلد، فبنى الاختبار كما يبنيه طبيب. أخذ الصور من MILK10k، وهي مجموعة بيانات عامة أُطلقت عام 2025 عبر التعاون الدولي لتصوير الجلد (ISIC). كل آفة فيها مصوّرة مرتين: مرة بلقطة قريبة عادية، ومرة عبر منظار الجلد.

اختار لينش 200 آفة عشوائيًا. وكل تشخيص منها مؤكَّد بالفحص النسيجي، أي بفحص النسيج المستأصل تحت المجهر. مئة من الآفات لا يجوز صرف أصحابها: 30 ورمًا ميلانينيًا، و25 سرطانة قاعدية الخلايا، و25 سرطانة حرشفية الخلايا، و20 تقرنًا شعاعيًا، وهو بقع خشنة ناتجة عن الشمس قد تتحول إلى سرطان. والمئة الأخرى آمنة: 50 خالًا عاديًا و50 تقرنًا دهنيًا.

السرطانتان قاعدية الخلايا وحرشفية الخلايا هما أشيع سرطانات الجلد، وكما تشير Cancer Research UK نادرًا ما تنتشر إلى أجزاء أخرى من الجسم. أما الورم الميلانيني فهو الخط الأهم في هذا الاختبار. فإغفاله هو الخطأ الأسوأ، ولذلك فإن الخلط بين الميلانيني والسرطانة القاعدية أهون الشرّين: يبقى المريض عند الطبيب.

وهناك مأخذ يشير إليه المؤلف بنفسه. فالآفات الحميدة في المجموعة استُؤصلت هي الأخرى وأُرسلت إلى المختبر. وإذا قرر أحدهم استئصال خال، فهذا يعني أن في الخال ما أقلق طبيبًا. لذا فالاختبار مليء بأصعب الخيلان، تلك التي تجعل الأخصائيين يترددون.

تلقّت النماذج الصورتين وطُلب منها ما يسأله الطبيب: أيّ تشخيص من ستة هو الأرجح، وما درجة ثقتها، وما الخيار الثاني، وهل يمكن صرف المريض دون علاج أو خزعة أو متابعة. ولم يرفض أي نموذج أي حالة.

الشبكة التي بدأت قصة طبيب الجلدية الاصطناعي

لم تُصمَّم Inception v3 للطب. ففي ورقة بحثية من ديسمبر 2015 قدّمها مهندسو غوغل شبكةً للتعرف على الأشياء اليومية في الصور. إنها شبكة عصبية التفافية: تمسح الصورة عبر نوافذ صغيرة وتجمع التفاصيل الدقيقة، كالحواف والبقع، في أنماط أكبر فأكبر.

وفي يناير 2017 تناولها فريق من ستانفورد. دربوها على 129450 صورة جلدية تغطي 2032 مرضًا وأعلنوا في Nature أنها، على الصور المثبتة بالخزعة، فرّقت بين السرطان والآفات الحميدة بجودة 21 طبيب جلدية معتمدًا. ورأى المؤلفون أن شبكة كهذه على هاتف ذكي قد تمدّ خبرة طبيب الجلدية إلى ما وراء العيادة.

أخذ لينش البنية نفسها ودرّبها على 68011 صورة من أرشيف ISIC على بطاقة رسومية واحدة. وقد حذف من بيانات التدريب مسبقًا الآفات المئتين كلها، وكل صورة أخرى للآفات نفسها أو للمرضى أنفسهم، فلم ترَ الشبكة أيًّا منها قط. أحدث النماذج اللغوية تكتب الشيفرة وتراجع العقود وتتحدث في أي موضوع. أما في التعرف على الخيلان فقد خسرت أمام متخصص ضيّق من عقد مضى.

لكل نموذج كبير جوابه المفضل

الفجوة أوسع ما تكون في الآفات الحميدة. فقد تعرّف GPT-6 Astra على 16 خالًا فقط من 50، وClaude Fable 5.1 على 6 تقرنات دهنية فقط من 50، بينما أصابت الشبكة 37 و26. أي إن روبوتات الدردشة أسوأ ما تكون في التعرف على ما يمكن تركه. ولا يبعث أي رقم من أرقام الورم الميلانيني على الإعجاب، وهذه صورة صادقة لمجموعة صعبة.

والأسوأ أن لكل نموذج لغوي جوابه المفضل. فقد صنّف GPT-6 Astra 75 آفة على أنها سرطانة قاعدية الخلايا، مع أن المجموعة تضم 25 فقط، ووقع 14 ورمًا ميلانينيًا من الثلاثين في هذه الكومة. ومريض كهذا يبقى عند الطبيب على كل حال: فقد خُلط الميلانيني بسرطان آخر. وقد أصاب النموذج السرطانات القاعدية الحقيقية الخمس والعشرين كلها، أي أكثر من الشبكة بواحدة (24). وهذه العلامة الكاملة أثر جانبي للعادة: سمِّ كل آفة ثالثة سرطانة قاعدية ولن تفلت واحدة حقيقية. أما Claude Fable 5.1 فرأى تقرنًا شعاعيًا في 53 حالة، والحقيقي 20. وفي هذه التقرنات خسرت الشبكة القديمة أمام النموذجين: 9 من 20 مقابل 10 و12. وفي مثال آخر خلط GPT-6 Astra ورمًا ميلانينيًا قليل الصبغة جدًا بسرطانة قاعدية، وقدّر ثقته بـ95%.

أما أخطاء الشبكة في الورم الميلانيني فاتجهت إلى الجهة المعاكسة. فمن إخفاقاتها السبعة عشر سمّت الميلانيني خالًا 8 مرات، وتقرنًا دهنيًا 6 مرات، وكلاهما مما يمكن تركه. وبتشخيص كهذا يسهل صرف الإنسان إلى بيته.

كل شيء يتوقف على العتبة

ما يحتاجه الطبيب غالبًا هو جواب عن سؤال أبسط من «ما هذا»: هل يُصرف الشخص أم لا. تجيب الشبكة عنه برقم من 0 إلى 1 يبيّن مدى خطورة مظهر الآفة. والعتبة علامة على هذا المقياس، وفوقها تقول الشبكة «افحصها». اخفض العلامة تحصل على إنذارات أكثر. ارفعها فتصرف الشبكة عددًا أكبر من الناس.

أبقى النموذجان اللغويان 97 و96 آفة خطيرة من المئة تحت المراقبة. وصرفا 3 و4 من الأورام الميلانينية الثلاثين. لكنهما تركا القليل من الآفات الحميدة أيضًا: 32 و22 من 100. وكان سيُرسَل كل من بقي من أصحاب الخيلان الحميدة إلى موعد لا حاجة إليه أو إلى خزعة.

عتبة الشبكة القديمة حُدّدت مسبقًا على صور أخرى ولم تُضبط على هذه الحالات المئتين. وبها سلكت الشبكة سلوكًا مختلفًا. فقد صرفت 76 من الآفات الحميدة المئة، وأبقت 77 فقط من الخطيرة. ومن بين ما صرفته 18 ورمًا ميلانينيًا من 30. فالشبكة تقرر الصرف بمقياس الاشتباه الخاص بها، أيًّا كان التشخيص الذي تسميه. ولهذا صرفت 18 ورمًا ميلانينيًا مع أنها أخطأت في تشخيص الميلانيني في 17 حالة.

طابِق العتبة مع حذر روبوتات الدردشة فتتغير الصورة. تُبقي الشبكة 98 أو 99 من 100 آفة خطيرة، مقابل 97 و96 للنموذجين اللغويين، وتصرف ورمًا ميلانينيًا أو اثنين مقابل ثلاثة وأربعة. وعند مستوى الحذر نفسه، تتفوق الشبكة القديمة على النموذجين في الأمرين معًا. أما الأورام الميلانينية الثمانية عشر الفائتة فتقول عن العلامة المختارة أكثر مما تقول عن الشبكة. المطورون هم من وضعوها، ولا رأي للمستخدم فيها.

سؤال «هل أراجع الطبيب؟»

الشخص العادي يسأل بطريقة مختلفة عن الطبيب. ففي استطلاع KFF نفسه قال 13% من البالغين الأمريكيين إنهم رفعوا معلوماتهم الطبية الخاصة إلى روبوتات الدردشة، كنتائج التحاليل أو ملاحظات الأطباء.

اختبر لينش هذا السيناريو أيضًا. عرض على النموذجين الصورة العادية وحدها، دون صورة منظار الجلد، وطرح سؤال المريض: «هل أحتاج إلى مراجعة طبيب؟». نصح النموذجان بمراجعة الطبيب في كل مرة تقريبًا، حتى مع الآفات الحميدة. وفي مجموعة منفصلة من 100 ورم ميلانيني مثبت بالخزعة أرسلا الشخص إلى الطبيب في 99 و98 حالة.

ومن يصوّر خاله ويرفع الصورة إلى ChatGPT أو Claude تترتب على ذلك نتيجتان. الأولى أن روبوت الدردشة على الأرجح لن يفوّت ورمًا ميلانينيًا. والثانية أنه لن يبرّئ خالًا حميدًا أيضًا، فعبارته «افحصه» لا تخبرك بشيء تقريبًا. إنه كجهاز إنذار الدخان الذي يصفّر عند كل شريحة خبز محروقة: لن ينام عن حريق، لكنه لا يفرّق بين الحريق والفطور.

ما لا يثبته هذا الاختبار

يعدّد لينش نقاط الضعف بنفسه. المئتا آفة تكفي لإظهار النمط العام، لكنها لا تكفي لترتيب النتائج المتقاربة. وثلاثون ورمًا ميلانينيًا تترك هامش شك واسعًا في الرقم الأهم. وقد رأى كل نموذج لغوي كل حالة مرة واحدة، وتختلف إجاباته من تشغيل إلى آخر. وMILK10k متاحة للعموم منذ 2025، فربما رأتها النماذج في تدريبها. وفي رأي المؤلف، لو حدث ذلك لكان في صالحها لا ضدها.

تعمل Inception v3 في الاختبار خط أساس. وأفضل أنظمة تشخيص الجلد الحالية تجمع عدة شبكات من أجيال أحدث وتتدرب على بيانات أكثر. ويقول لينش إن المنتجات الخاضعة للتنظيم المبنية عليها تؤدي أفضل بكثير. وكانت المجموعة صعبة على الشبكة القديمة أيضًا: ففي صور أرشيف ISIC العادية ميّزت الآفات الخطيرة من الآمنة بدقة أعلى. ودرجتها الإجمالية هناك 0.96 مقابل 0.86 هنا، حيث يعني 1 انعدام الأخطاء و0.5 التخمين.

لم يخضع الاختبار لمراجعة الأقران: إنه منشور على موقع المختبر. لكن لينش نشر في المقابل كل ما يلزم للتحقق منه: الحالات والتعليمات والردود الكاملة لكل نموذج وشيفرة التقييم. ويصرّح بأن التحليل والمسودات الأولى أُنجزت بمساعدة Claude Code، أداة البرمجة من Anthropic، بينما أحد النماذج التي اختبرها من Anthropic أيضًا. والشبكة متاحة على الإنترنت نموذجًا تجريبيًا بحثيًا وليست جهازًا طبيًا. ويحذّر لينش نفسه من أنها تفوّت بعض سرطانات الجلد، ومنها الميلانيني، ولا يجوز استخدامها للبتّ في مراجعة الطبيب.

كان النموذجان الرائدان سيصرفان صاحب الورم الميلانيني في الأذن إلى بيته لو سُئلا بصفتهما طبيبين وعُرضت عليهما الصورتان. وبصفتهما مستشارين للمريض كانا سيرسلانه إلى الطبيب، كغيره من الناس. أما الشبكة القديمة فقد رأت هذا الورم فعلًا، لكن صمتها أو إنذارها يتوقف على علامة في مقياسها. فالسؤال الأهم من أي ذكاء اصطناعي أذكى هو هذا: من يضع العلامة التي تصمت الآلة دونها، وأين؟